Gemini API는 긴 문서 (최대 3, 600페이지)를 포함한 PDF 입력을 지원합니다. Gemini 모델은 기본 비전으로 PDF를 처리하므로 문서 내 텍스트와 이미지 콘텐츠를 모두 이해할 수 있습니다. 기본 PDF 비전 지원을 통해 Gemini 모델은 다음을 실행할 수 있습니다.
- 문서 내의 다이어그램, 차트, 표를 분석합니다.
- 정보를 구조화된 출력 형식으로 추출합니다.
- 문서의 시각적 콘텐츠 및 텍스트 콘텐츠에 관한 질문에 답변합니다.
- 문서 요약
- 다운스트림 애플리케이션 (예: RAG 파이프라인)에서 사용할 수 있도록 레이아웃과 서식을 보존하면서 문서 콘텐츠를 스크립트로 변환합니다 (예: HTML로).
이 튜토리얼에서는 PDF 문서에서 Gemini API를 사용하는 몇 가지 방법을 보여줍니다. 모든 출력은 텍스트로만 표시됩니다.
다음 단계
이 가이드에서는 generateContent를 사용하고 처리된 문서에서 텍스트 출력을 생성하는 방법을 보여줍니다. 자세한 내용은 다음 리소스를 참고하세요.
- 파일 프롬프트 전략: Gemini API는 텍스트, 이미지, 오디오, 동영상 데이터를 사용한 프롬프트를 지원합니다. 이를 멀티모달 프롬프트라고도 합니다.
- 시스템 안내: 시스템 안내를 사용하면 특정 요구사항 및 사용 사례에 따라 모델의 동작을 조정할 수 있습니다.
- 안전 가이드: 생성형 AI 모델이 부정확하거나 편향적이거나 불쾌감을 주는 출력과 같은 예상치 못한 출력을 생성하는 경우가 있습니다. 이러한 출력으로 인한 피해 위험을 제한하려면 후처리 및 사람의 평가가 필수적입니다.